Hybrydowy system rekomendacji planów treningowych
Journal Title: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki - Year 2019, Vol 13, Issue 20
Abstract
Hybrydowe systemy rekomendacji łączą zalety metod stosowanych powszechnie w rekomendacji. Głównym celem tego artykułu jest przedstawienie zastosowania uczenia maszynowego do budowy hybrydowego silnika rekomendacji. Uczenie maszynowe jest poddziedziną sztucznej inteligencji, która wykazuję obiecujące rezultaty w klasyfikacji, predykcji, wykrywaniu anomalii i rekomendacji. W tym artykule zaproponowano koncepcję spersonalizowanego modelu systemu rekomendacji opartego na parametrach i planach treningowych sportowców. Badania przeprowadzono w środowisku chmurowym Microsoft Azure Machine Learning Studio na zbiorze danych wygenerowanym na podstawie danych referencyjnych.
Authors and Affiliations
Maciej Kaczanowski
New Interpretation of Principal Components Analysis
A new look on the principal component analysis has been presented. Firstly, a geometric interpretation of determination coefficient was shown. In turn, the ability to represent the analyzed data and their interdependenci...
Cloud computing jako środowisko integracji usług informatycznych
W niniejszym artykule dokonano analizy możliwości integracji usług wspomagania działań biznesowych w środowisku chmury obliczeniowej (ang. cloud computing). Środowisko chmury obliczeniowej jest traktowane jako platforma...
Behavioral modeling of stressed MOSFET
In this paper piezoconductivity phenomenon in MOSFET channel is discussed and extension of drain current model with possibility of stress consideration is proposed. Analysis of obtained model combined with examination of...
Analiza metod e-learningowych stosowanych w kształceniu osób dorosłych
W opracowaniu scharakteryzowano współcześnie stosowane metody, techniki i narzędzia e-learningu, które mogą zostać wykorzystane do celów projektu „Efektywni 50+” realizowanego przez WWSI. Zaprezentowano zarys historii zd...
Geometric interpretation of a correlation
The study shows that the Pearson’s coefficient of correlation is equivalent to the cosine of the angle between random variables. It was found that the information about the intensity of the relationship between variables...